고객가치 평가를 위한 RFM 모형의 비교 연구 = A Comparative Study of RFM Model for Estimating of Customer Value
저자
발행기관
학술지명
권호사항
발행연도
2002
작성언어
Korean
KDC
413.000
자료형태
학술저널
수록면
1-22(22쪽)
제공처
본 논문에서는 일반적으로 업계에서 사용하고 있는 RFM 모형에 대해 통계적인 접근을 하여 모형을 개선하려 한다.
여러 회사에서는 고객 유지 등을 위해 RFM 모형을 많이 이용하고 있다. RFM 모형은 이해하기 쉬울 뿐만 아니라 통계모형보다도 예측력이 높다고 알려져 있으나 그에 대해 체계적이고 통계적 접근을 한 연구는 드물다. 이처럼 RFM 모형은 체계적이고 학문적인 방법이 아닌 직관적이고 임의적인 방법으로 사용되어 왔다고 볼 수 있다.
그러므로 여기서는 RFM 모형의 개선된 모형을 제시하고자 한다.
첫째, RFM을 각각 세분화하여 점수를 부여한 후 하위모형에 대해 분산분석을 실시하였다. 또한 일반적으로 업계에서는 5수준으로 세분화하는 경향이 있으나 이는 업체간 특성이 다른 고객을 고려하지 않은 방법이다. 그러므로 여기서는 고객 세분화 수준을 5수준, 3수준, 2수준 모두 고려할 것이다. 그리고 하위모형에 대한 분석은 통계적으로 볼 때 RFM모형이 모든 주효과와 교호작용을 포함한 삼원분산분석(3-way ANOVA) 이라고 할 수 있으며 모형의 주효과와 교호작용 중에 유의하지 않은 변수를 살펴볼 것이다.
둘째, 로지스틱 모형을 이용한 RFM 모형인 경우 RFM 일차항뿐만 아니라 교호작용과 이차항을 고려하였다. 이 경우 정보의 손실을 일으키지 않으며 일차항만을 고려한 것보다 일차항뿐만 아니라 교호작용까지 포함한 모형이 더욱 효율적이라는 것을 알 수 있다.
셋째, 실제 자료에서는 선형모형보다 비선형 모형이 더 적합한 경우가 많다. 이 연구에서는 고차원 통계기법 가운데서 Neural networks를 이용하여 비선형 모형을 고려할 것이다. 실제 분석에서는 통계적 접근을 통해 예측률 및 모형의 설명력을 살펴볼 것이다.
연구결과는 다음과 같다.
첫째, 로지스틱 모형과 신경망 모형간의 예측력은 로지스틱 모형이 더 좋다는 결과가 나왔다.
둘째 RFM의 둘째, RFM의 세분화 수준을 다양하게 하여 분석한 결과, 5수준으로 세분화 한 경우가 데이터에 대한 설명력이 가장 좋았다.
셋째, 유의하지 않은 변수(R:Selldte)를 제거하고 다시 분석하였으나 큰 차이는 없었다.
RFM score is a way to evaluate the customer value based on the three factors; R(Recency), F(Frequency), and M(Monetary). To calculate the score, we have to combine the above given three factors. But each factor has different measuring unit, and it is not easy to find the weight of each factor for calculating the score.
Traditionally they calculate the score based on the categorization of each factors.
But based on this method, we cannot calculate the score of individual customers.
In this research, we have tried to calculate the RFM score based on the statistical methods, such as ANOVA and logistic regression method. We also tried the neural network methods. In this methods we can calculated the score of the individual customer. We have also tried to compare the statistical methods with traditional ones by applying the models to real data set.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)